Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas akhir ini merupakan penelitian yang ditujukan untuk mengembangkan model dinamik pertumbuhan tanaman dengan metode Artificial Neural Network (ANN), dimana model ini memetakan hubungan antara input (massa tanaman sebelum, nutrisi, usia, serta lingkungan) dan output (pertambahan massa tanaman periode berikutnya). Metode ini dipilih berdasar pertimbangan bahwa tanaman bisa dilihat sebagai satu sistem, dimana sistem ini cukup rumit karena bersifat dinamik, non-linear, dan time-variant. Penelitian yang akan dilakukan meliputi penanaman tanaman dengan metode deep water culture (DWC), pengambilan data tanaman dan lingkungan baik secara manual atau dengan sensor yang dikirim ke server, dan pelatihan ANN untuk menemukan model yang paling tepat. Data-data yang diambil selanjutnya diolah dan dipilah menjadi data pelatihan dan validasi. Data-data pelatihan dikumpulkan dalam database yang terdiri dari input dan output yang digunakan untuk melatih model. Terdapat beberapa model yang memiliki variasi gaya, arsitektur, dan kedalaman pelatihan (skor cost). Hasil akhir menunjukkan bahwa pemodelan pertumbuhan tanaman dengan ANN dapat dilakukan dan memiliki performa yang lebih baik daripada dengan pendekatan persamaan linear. Performa terbaik ditunjukkan oleh arsitektur residual dua sisi dengan rerata error mutlak 7.7634%.

---

---

This final project is a research aimed at developing a dynamic model of plant growth using the Artificial Neural Network (ANN) method, where this model maps the relationship between inputs (prior plant mass, nutrition, age, and environment) and output (increase in plant mass for the next period) . This method was chosen based on the consideration that plants can be seen as a system, where the system is quite complicated because it is dynamic, non-linear, and time-variant. The research that will be carried out includes planting plants with a deep water culture (DWC) method, taking plant and environmental data either manually or with sensors sent to the server, and ANN training to find the most appropriate model.

The data taken is then processed and sorted into training and validation data. Training data is collected in a database consisting of inputs and outputs used to train the model. There are several models that have variations in style, architecture, and depth of training (cost score). The final results show that modeling of plant growth with ANN can be done and has better performance than the linear equation approach. The best performance is shown by the two-sided residual architecture with an average absolute error of 7.7634%."

"Perkembangan teknologi bidang kelautan semakin pesat seiring dengan kebutuhan zaman. Aktivitas eksploitasi sektor migas sudah merambah pada wilayah Deep Water sampai Ultra Deep Water. Namun pada realitasnya Indonesia belum mampu berperan aktif dalam pengembangan teknologi Mobile Offshore Platform Unit yang biasa digunakan untuk eksploitasi migas pada wilayah diatas. Hal ini dapat dilihat dari jenis anjungan yang digunakan pada eksploitasi migas lepas pantai masih banyak menggunakan struktur fixed platform dan lokasi eksploitasi masih terbatas pada wilayah perairan dangkal. Padahal Indonesia memiliki luas wilayah laut yang cukup besar, penggarapan cadangan migas pada wilayah perairan laut dalam harus mulai dilakukan, seperti di perairan Laut Arafura blok Masela yang diprediksi memiliki potensi gas alam hingga 20 tcf (trilion cubic feet) dan cadangan minyak bumi sebesar 24,36 mmstb (million stock tank barrels). Pada penelitian ini dilakukan studi kasus perancangan sebuah anjungan semi-submersible yang berfungsi sebagai Production Platform Unit yang digunakan pada eksploitasi migas di blok Masela, Laut Arafura. Rancangan tersebut dilengkapi dengan sistem pemosisian dinamik (dynamic positioning system) yang diuji pada skala model. Hasil dari eksperimen pada model uji tersebut digunakan untuk mengetahui tingkat akurasi dari penerapan sistem kontrol posisi Inertial Measurement Unit dan sensor ultrasonik terhadap beban lingkungan.

---

Technology development in marine sector has a rapid development in line with the needs of the era. The exploitation activity of oil and gas sector has been expanded to the deep sea area until ultra deep sea area. Whereas in reality, Indonesia is unable to contribute actively in the technology development of Mobile Offshore Platform Unit which used for oil and gas exploitation in those area. It can be seen on the fact that the exploitation of offshore oil and gas still use fixed structure and the location of platform exploitation still limited to the shallow water areas. While Indonesia has a large sea area, the cultivation of oil and gas reserves in the sea area should begin to planned carefully, as in the Arafura Sea Masela block which was predicted have potential of natural gas reach out 20 tcf (trilion cubic feet), the petroleum reserves by 24, 36 MMSTB (million stock tank barrels). In this study, there is a study case of semi-submersible rig design that serves as a Production Platform unit used in oil and gas exploitation in the Masela Block, the Arafura Sea. The design is completed with a dynamic positioning system (DPS) which has been tested at scale models. Results of experiments on the test model is used to determine the accuracy of the application of a simple position control system that is using The Measurement Inertial Unit and ultrasonic sensors on the environment resistance."